CN113139921B - 图像处理方法、显示装置、电子设备及存储介质 - Google Patents
图像处理方法、显示装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113139921B CN113139921B CN202110519185.7A CN202110519185A CN113139921B CN 113139921 B CN113139921 B CN 113139921B CN 202110519185 A CN202110519185 A CN 202110519185A CN 113139921 B CN113139921 B CN 113139921B
- Authority
- CN
- China
- Prior art keywords
- image
- pixel
- pixels
- target pixel
- detail
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 48
- 238000012545 processing Methods 0.000 claims abstract description 38
- 238000009499 grossing Methods 0.000 claims abstract description 30
- 230000035772 mutation Effects 0.000 claims abstract description 19
- 230000004044 response Effects 0.000 claims abstract description 14
- 238000001514 detection method Methods 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 9
- 230000010339 dilation Effects 0.000 claims abstract description 6
- 230000008859 change Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 8
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 239000003550 marker Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 6
- 230000008901 benefit Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000000717 retained effect Effects 0.000 description 3
- 241001270131 Agaricus moelleri Species 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Image Processing (AREA)
- Facsimile Image Signal Circuits (AREA)
Abstract
本公开提供一种图像处理方法、显示装置、电子设备及存储介质。该方法,包括:获取图像;对所述图像进行边缘梯度检测处理,得到所述图像中各像素的梯度值;为所述梯度值超过梯度阈值的像素赋予第一标记;基于具有所述第一标记的像素,利用形态学图像处理中的膨胀处理,确定所述图像中的多个细节像素;确定所述图像中的第一目标像素是否存在突变;以及响应于所述第一目标像素存在突变,基于所述第一目标像素和所述细节像素对所述图像进行平滑处理。
Description
技术领域
本公开涉及图像处理技术领域,尤其涉及一种图像处理方法、显示装置、电子设备及存储介质。
背景技术
RGBW显示技术,是基于红绿蓝白四色子像素的空间融合的新型布局方式。该显示技术通过映射算法将原始的RGB空间下的图像数据转换到RGBW空间,从而得到与RGBW显示器相匹配的信号输出。相比于传统的三基色(RGB)显示,W子像素具有较高的光能透过率,故RGBW显示技术具有提高亮度或节省功耗等优点。
色层噪声(noise),表现为在图像的色彩平滑区域存在色彩过渡不均匀现象,例如,呈条带状变化。在图像的RGB值映射为RGBW值之后,会导致映射后的相邻像素的亮度差异扩大(相对于映射前),使得原本的RGB图像中不可察觉的亮度差异在RGBW空间中变大到可察觉,从而使视效变差。
发明内容
本公开提出一种图像处理方法、显示装置、电子设备及存储介质。
本公开第一方面,提供了一种图像处理方法,包括:
获取图像;
对所述图像进行边缘梯度检测处理,得到所述图像中各像素的梯度值;
为所述梯度值超过梯度阈值的像素赋予第一标记;
基于具有所述第一标记的像素,利用形态学图像处理中的膨胀处理,确定所述图像中的多个细节像素;
确定所述图像中的第一目标像素是否存在突变;以及
响应于所述第一目标像素存在突变,基于所述第一目标像素和所述细节像素对所述图像进行平滑处理。
本公开第二方面,提供了一种显示装置,用于显示图像,其中,所述显示装置采用第一方面所述的方法处理所述图像。
本公开第三方面,提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现第一方面所述的方法。
本公开第四方面,提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行第一方面所述的方法。
从上面所述可以看出,本公开提供的图像处理方法、显示装置、电子设备及介质,利用梯度特征区分图像的纹理细节和色层,从而在平滑色层的同时保留细节信息,并且,采用形态学处理对细节信息进行了较好地保留。
附图说明
为了更清楚地说明本公开或相关技术中的技术方案,下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本公开的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1A示出了RGB空间中的图像转换到RGBW空间的示例性图像的示意图。
图1B为图1A的区域102的放大图。
图2示出了本公开实施例所提供的一种示例性电子设备的硬件结构示意图。
图3示出了本公开实施例所提供的用于图像处理的示例性方法的流程示意图。
图4A示出了根据本公开实施例的一行示例性像素的示意图。
图4B示出了根据本公开实施例的一列示例性像素的示意图。
图4C示出了根据本公开实施例的对图像进行平滑处理步骤的示例性流程示意图。
图4D示出了根据本公开实施例的示例性第二邻域的示意图。
图5A示出了图1A的图像采用上述方法处理后区域102的示意图。
图5B示出了色层区域内的其中一行像素色层平滑前后的的灰阶值对比图。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本公开进一步详细说明。
需要说明的是,除非另外定义,本公开实施例使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开实施例中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性,而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同,而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接,而是可以包括电性的连接,不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变后,则该相对位置关系也可能相应地改变。
图1A示出了RGB空间中的图像转换到RGBW空间的示例性图像的示意图。图1B为图1A的区域102的放大图。
如图1A和图1B所示,色层噪声一般表现为图像的色彩平滑区域的亮度不均匀现象,一般呈条带状。
鉴于此,本公开实施例提供了一种图像处理方法、显示装置、电子设备及存储介质。该图像处理方法,包括:获取图像;对所述图像进行边缘梯度检测处理,得到所述图像中各像素的梯度值;为所述梯度值超过梯度阈值的像素赋予第一标记;基于具有所述第一标记的像素,利用形态学图像处理中的膨胀处理,确定所述图像中的多个细节像素;确定所述图像中的第一目标像素是否存在突变;以及响应于所述第一目标像素存在突变,基于所述第一目标像素和所述细节像素对所述图像进行平滑处理。
本公开实施例提供的图像处理方法、显示装置、电子设备及存储介质,利用梯度特征区分图像的纹理细节和色层,从而在平滑色层的同时保留细节信息,并且,采用形态学处理对细节信息进行了较好地保留。本公开实施例提供的图像处理方法、显示装置、电子设备及介质,可以在一定程度上减轻甚至消除RGBW屏幕显示的色层噪声,且实现简单。在一些实施例中,本公开实施例提供的图像处理方法可以在现场可编程门阵列(FPGA)上实现。
本公开实施例的第一方面,提供了一种电子设备。图2示出了本公开实施例所提供的一种示例性电子设备200的硬件结构示意图。该设备200可以包括:处理器202、存储器204、输入/输出接口206、通信接口208和总线210。其中处理器202、存储器204、输入/输出接口206和通信接口208通过总线210实现彼此之间在设备内部的通信连接。
处理器202可以采用通用的CPU(Central Processing Unit,中央处理器)、微处理器、应用专用集成电路(Application Specific Integrated Circuit,ASIC)、或者一个或多个集成电路等方式实现,用于执行相关程序,以实现本说明书实施例所提供的技术方案。
存储器204可以采用ROM(Read Only Memory,只读存储器)、RAM(Random AccessMemory,随机存取存储器)、静态存储设备,动态存储设备等形式实现。存储器204可以存储操作系统和其他应用程序,在通过软件或者固件来实现本说明书实施例所提供的技术方案时,相关的程序代码保存在存储器204中,并由处理器202来调用执行。
输入/输出接口206用于连接输入/输出模块,以实现信息输入及输出。输入输出/模块可以作为组件配置在设备中(图中未示出),也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等,输出设备可以包括显示器、扬声器、振动器、指示灯等。
通信接口208用于连接通信模块(图中未示出),以实现本设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信,也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
总线210包括一通路,在设备的各个组件(例如处理器202、存储器204、输入/输出接口206和通信接口208)之间传输信息。
需要说明的是,尽管上述设备仅示出了处理器202、存储器204、输入/输出接口206、通信接口208以及总线210,但是在具体实施过程中,该设备200还可以包括实现正常运行所必需的其他组件。此外,本领域的技术人员可以理解的是,上述设备中也可以仅包含实现本说明书实施例方案所必需的组件,而不必包含图中所示的全部组件。
本公开实施例的第二方面,提供了一种图像处理方法。图3示出了本公开实施例所提供的用于图像处理的示例性方法300的流程示意图。
如图3所示,该方法300可以由图2所示的设备200来实现,例如,可以在处理器202上执行。方法200可以进一步包括以下步骤。
在步骤302,设备200可以获取待处理的图像。在一些实施例中,该图像可以是任意的即将用于在RGBW显示装置上进行显示的图像。
在步骤304,设备200可以对该图像进行边缘梯度检测处理,得到该图像中各像素的梯度值。
本实施例中,对图像进行边缘梯度检测处理可以是指对图像的灰阶值进行边缘梯度检测处理,该梯度值相应地可以是图像中像素的灰阶值的梯度值。
在一些实施例中,基于Sobel算子的边缘梯度检测,并且,可以采用下述公式,对该图像进行边缘梯度检测处理:
其中,I表示所述图像中各像素的灰阶值,Gx为所述图像中各像素在行方向上的梯度值,Gy为所述图像中各像素在列方向上的梯度值,G为所述图像中各像素的梯度值。
这样,通过对RGB图像I做卷积求梯度值,进而可以基于该梯度值区分图像中的细节区域(例如,图1A中人脸的部分)和其他区域。
在步骤306,设备200可以为梯度值超过梯度阈值的像素赋予第一标记。例如,将梯度值超过梯度阈值的像素标记为“1”,相应地,还可以将梯度值未超过梯度阈值的像素标记为“0”或者不做标记,以与标记为“1”的像素进行区分。本步骤中,该梯度阈值的确定原则可以是:经过阈值运算,该图像的细节信息被最大程度保留,这样,像素的梯度值大于梯度阈值则对该像素赋予第一标记,表示该像素载有图像的细节信息,以此来确定图像的细节信息。
在步骤308,设备200可以基于具有该第一标记(例如,“1”)的像素,利用形态学图像处理中的膨胀处理,确定该图像中的多个细节像素。本实施例中,细节像素可以是指载有该图像的细节信息的像素,例如,图1A中人脸的部分的像素。本实施例中,形态学图像处理(简称形态学)可以是指一系列处理图像形状特征的图像处理技术。膨胀处理可以将目标区域的范围扩大,其作用可以是填补目标区域中某些空洞或消除包含在目标区域中的小颗粒噪声。
在一些实施例中,步骤308可以进一步包括以下步骤:
首先将具有该第一标记的像素确定为细节像素;然后,确定该图像中的第二目标像素(该第二目标像素可以是该图像中的任一像素)的第一邻域中是否存在具有该第一标记的像素;最后,响应于该第二目标像素的第一邻域中存在具有该第一标记的像素,将该第二目标像素也确定为细节像素。在一些实施例中,第一邻域可以是矩形、十字形等。例如,第一邻域可以是3×3(9个像素)的矩形。
采用上述方式,按顺序遍历该图像中的每个像素,直至将所有第一邻域中存在具有该第一标记的像素都标记为细节像素,这样,梯度检测后的标记图的细节可以被膨胀一圈,即当前点如果为细节,则其第一邻域内的点均标记为细节,从而进一步扩大细节区域,保证图像的细节区域不被平滑。
在得到图像的细节像素集合之后,可以基于细节像素集合知道图像的细节区域,进而设备200可以进一步确定图像中的色层噪声,以对色层噪声进行平滑处理。
在一些实施例中,在确定色层噪声之前,设备200可以先将所述图像的RGB值映射为RGBW值,然后基于RGBW值来确定色层噪声。映射为RGBW值之后的图像,例如,可以是图1A所示的图像100。
下表1示出了RGB空间下相邻的两个像素A和B的RGB值转换为RGBW空间下相邻的两个像素A1和B1的RGBW值的对比。
表1
从上述表1可以看出,基于RGB值计算的CIE光谱三刺激值中的Y值的差值ΔY为0.24,而基于RGBW值计算的CIE光谱三刺激值中的Y值的差值ΔY为3.32。而CIE光谱三刺激值反映的是人体视网膜对三原色(RGB)的刺激程度的感觉。因此,ΔY呈倍数增加,说明RGB值转换为RGBW值之后,原来不易察觉的差异会变得容易被察觉,因此需要进一步处理。
在步骤310,设备200可以确定该图像中的目标像素是否存在突变。本步骤中,该目标像素可以是该图像中的任一像素,选定一个目标像素后,先判断其是否存在突变进而决定是否需要基于该目标像素进行平滑处理。
在一些实施例中,设备200可以基于像素的RGBW值,确定该图像中的第一目标像素是否存在突变。
由于前述的映射处理,仅仅是将像素的RGB值映射为RGBW值,像素本身在图像中的位置不变,其所携带的细节像素的标记也不变,因此,在映射为RGBW值之后,还是可以基于RGB值得到的细节像素来确定图像的细节信息。
在一些实施例中,确定所述图像中的第一目标像素是否存在突变,可以具体包括以下步骤:确定所述第一目标像素与其在所述图像的行方向或列方向上的相邻像素相比是否存在突变。本实施例中,行方向可以是指水平方向或x方向,列方向可以是指竖直方向或y方向,或者,与竖直方向的角度小于90°的方向。
在一些实施例中,确定所述第一目标像素与其在所述图像的行方向或列方向上的相邻像素相比是否存在突变,可以进一步包括以下步骤:
确定第一目标像素的灰度值与其在该图像的行方向或列方向上的相邻像素的灰度值的差值是否处于第一差值范围内;以及响应于该第一目标像素与相邻像素的灰度值差值处于第一差值范围内,确定该第一目标像素存在突变。
图4A示出了根据本公开实施例的一行示例性像素的示意图。如图4A所示,假设第一目标像素x6的相邻像素x5与其之间的灰度值的差值处于第一差值范围内,则说明第一目标像素x6在行方向上存在突变,亦即存在行向色层噪声。第一差值范围可以根据经验值来选取,例如,灰度值差值处于[2,4]范围内,当相邻两个像素的灰度值差值小于2时,人眼几乎观察不到该差异,因此可认为不存在突变,而当相邻两个像素的灰度值差值大于4时,说明像素x6与像素x5可能属于两个物体而非处于色层,因此不认为这属于突变。
图4B示出了根据本公开实施例的一列示例性像素的示意图。如图4B所示,假设第一目标像素y2的相邻像素y1与其之间的灰度值的差值处于第一差值范围内,则说明第一目标像素y2在列方向上存在突变,亦即存在列向色层噪声。第一差值范围可以根据经验值来选取,例如,灰度值差值处于[2,4]范围内。
在一些实施例中,灰度值的差值处于第一差值范围内可以是指第一目标像素的RGBW四个通道的灰度值与其相邻像素的RGBW四个通道的灰度值的差值均处于第一差值范围内。亦即,第一目标像素的R通道的灰度值与其相邻像素的R通道的灰度值的差值处于第一差值范围内,第一目标像素的G通道的灰度值与其相邻像素的G通道的灰度值的差值也处于第一差值范围内,第一目标像素的B通道的灰度值与其相邻像素的B通道的灰度值的差值也处于第一差值范围内,第一目标像素的W通道的灰度值与其相邻像素的W通道的灰度值的差值也处于第一差值范围内,此时,认为该第一目标像素存在突变。
这样,通过在行方向和列方向上进行计算而判断出哪些像素存在突变,进而确定需要进行平滑的像素。
在步骤312,若该第一目标像素存在突变,则设备200可以基于该第一目标像素和已经确定的细节像素对该图像进行平滑处理。在一些实施例中,设备200可以基于像素的RGBW值,对该图像进行平滑处理。
在一些情形中,若设备200为移动终端,则其RGBW显示屏的每英寸像素数(PPI)较高,若只改变单个像素的灰阶值于问题无补,因此,在一些实施例中,需要对第一目标像素的灰阶邻域内的多个像素的灰度值进行平滑处理。
图4C示出了根据本公开实施例的对图像进行平滑处理的步骤312的示例性流程示意图。如图4C所示,在一些实施例中,对图像进行平滑处理,可以进一步包括以下步骤。
在步骤3122,可以确定包含第一目标像素的第二邻域。该第二邻域的大小可以根据需要或经验进行设定。图4D示出了根据本公开实施例的示例性第二邻域的示意图。例如,如图4D所示,第二邻域可以是11×3(33个像素)大小的区域。在一些实施例中,可以以第一目标像素为中心,形成一个第二邻域。例如,假设图4D的像素z26为第一目标像素,以像素z26为中心形成的第二邻域即如图4D所示。
在步骤3124,可以先确定第二邻域的起始像素和终止像素的灰度值差值是否处于第二差值范围内。本步骤主要是为了确定第二邻域内是否存在两种不同的物体。因此,该第二差值范围也以能区分两种物体的最小灰度值差异作为阈值选取标准,当起始像素和终止像素的灰度值差值小于某阈值,可以认为是第一邻域内的像素都属于同一种物体,可以进行平滑。起始像素和终止像素的选取可以根据需要来确定,例如,以第二邻域的某一行像素的第一个和最后一个像素分别作为起始像素和终止像素。又比如,终止像素可以是位于起始像素相对于第二邻域的最远端,亦即,起始像素与终止像素之间的直线距离大于第二邻域中任意两个像素之间的直线距离。如图4D所示,第二邻域为矩形时,第二邻域中的两个相互处于最远端的像素为第二邻域对角线两端的像素,亦即,起始像素可以是像素z11或z13,而相应地,终止像素可以是z311或z111。
在一些实施例中,起始像素和终止像素的灰度值差值处于第二差值范围内可以是指起始像素的RGBW四个通道的灰度值与终止像素的RGBW四个通道的灰度值的差值均处于第二差值范围内。亦即,起始像素的R通道的灰度值与终止像素的R通道的灰度值的差值处于第二差值范围内,起始像素的G通道的灰度值与终止像素的G通道的灰度值的差值也处于第二差值范围内,起始像素的B通道的灰度值与终止像素的B通道的灰度值的差值也处于第二差值范围内,起始像素的W通道的灰度值与终止像素的W通道的灰度值的差值也处于第二差值范围内。
在步骤3126,若第二邻域的起始像素和终止像素的灰度值差值处于第二差值范围内,则需要进一步确定第二领域中包含的细节像素的数量是否小于数量阈值,根据细节像素的数量是否超过设定阈值来判断该第二邻域是否存在较多的图像细节,若图像细节较多,则不宜对该第二邻域进行平滑。
该数量阈值可以根据调试经验选取。在一些实施例中,该数量阈值定为12,则当第二邻域内细节像素的数量大于或等于12时,则认为第二邻域中的细节较多,不宜对第一目标像素进行平滑,当第二邻域内细节像素的数量小于12时,则认为第一目标像素可以平滑。
因此,在步骤3128,若第二领域中包含的细节像素的数量小于数量阈值,基于所述第一目标像素对所述图像进行平滑处理。可以理解的是,对第一目标像素的平滑处理可以采用任意的平滑处理方式。
在一些实施例中,基于所述第一目标像素对所述图像进行平滑处理,可以是:
响应于所述第一目标像素与其在所述图像的行方向上的相邻像素相比存在突变,确定包含所述第一目标像素的一行像素(例如,参考图4A所示,确定一行11个像素,其中,最中间的像素x6为该第一目标像素),采用线性插值算法对该行像素进行平滑处理;以及
响应于所述第一目标像素与其在所述图像的列方向上的相邻像素相比存在突变,确定包含所述第一目标像素的一列像素(例如,参考图4B所示,确定一列3个像素,其中,中间的像素y2为该第一目标像素),采用隔行取平均值的方式对该列像素进行平滑处理。
具体地,在一些实施例中,采用线性插值算法对该行像素进行平滑处理,可以包括如下步骤:确定所述一行像素中的像素数量n;将所述一行像素的第一个像素和第n个像素的灰度值作差并除以n-1,得到线性插值的步长;以及将所述一行像素的第一个像素的灰度值加上i-1倍步长,赋予所述一行像素的第i个像素,其中,i取2~n。
以图4A的一行像素为例,n为11,步长step=(像素x11的灰度值g11-像素x1的灰度值g1)÷10。这样,假设第一个像素x1的灰度值为g1,则第二个像素x2的灰度值g2为g1+step,第三个像素x3的灰度值g3为g1+step×2,以此类推,第十一个像素x11的灰度值g11为g1+step×10。
在一些实施例中,线性插值算法是针对所述一行像素中的所有像素的RGBW四个通道的灰度值分别进行线性差值。
在一些实施例中,若已对包含第一目标像素的所述一行像素进行了平滑处理,则选取下一个目标像素时,基于已经处理的第一目标像素沿行方向平移(n-1)/2个位置后的像素作为下一个第一目标像素。反之,若第一目标像素按照前述处理步骤被确定为不适宜进行平滑处理,则下一个第一目标像素则为当前的第一目标像素的沿行方向平移1个位置的像素。
在一些实施例中,采用隔行取平均值的方式对该列像素进行平滑处理,可以包括如下步骤:确定所述一列像素中的第三目标像素在列方向上的前后两个相邻像素;以及将所述两个相邻像素的灰度值取平均值,并将所述平均值分别赋予所述两个相邻像素。
在一些实施例中,方法300在设备200的FPGA上执行,为节省FPGA的硬件资源,FPGA的缓存器(buffer)每次存储3行数据进行处理,因此所述一列像素包含3个像素,采用隔行取平均值的方式可以较好地减弱色层。
以图4B的一列像素为例,第三目标像素也就是第一目标像素,亦即像素y2,可以将像素y1的灰度值g1与像素y3的灰度值g3取平均,得到平均值(g1+g3)/2。然后将像素y1的灰度值g1与像素y3的灰度值g3均重置为(g1+g3)/2,像素y2的灰度值保持不变。
在一些实施例中,隔行取平均值是针对像素的RGBW四个通道的灰度值分别采用隔行取平均值算法。
采用上述处理步骤,通过逐像素分析定位出色层噪声产生的位置和原因,能够较好地消除色层噪声。
图5A示出了图1A的图像100采用上述方法300处理后区域102的示意图。如图5A所示,经过上述方法300,突变灰阶部分均匀过渡,RGBW图像中色层被较好平滑掉,同时细节无损。
图5B示出了色层区域内的其中一行像素色层平滑前后的的灰阶值对比图。可以看到,平滑前,图5B的圆圈内灰阶值有突变,是导致图像中出现亮/暗色层的原因。
需要说明的是,上述对本公开的一些实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于上述实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本公开实施例通过理论和仿真分析,认为色层噪声的产生原因是:在RGB值映射为RGBW值的过程中,相邻的像素的亮度差异扩大,使得原本RGB图像中不可察觉的亮度差异在RGBW空间变大到可察觉,并且因为亮度的非均匀增益,即饱和度越低亮度增益越大,所以色层只出现在低饱和度区域。
针对色层噪声的产生原因,本公开实施例在RGBW空间对RGBW分量分别平滑处理,缩小产生色层噪声的相邻灰阶的差异。由于纹理丰富区域相邻灰阶也有较大差异,本公开实施例将色层与纹理细节区分开来,避免损失图像的细节信息。本公开实施例能够较好地将色层与纹理细节区分开来,使得色层消除的同时纹理细节无损失。
本公开实施例根据梯度特征区分细节与色层,实现色层与纹理细节的准确划分;对一定范围的区域进行平滑,从而较好地消除色层;对行向色层和列向色层采取不同的平滑方法,易于FPGA实现。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种显示装置。所述显示装置,用于显示图像,其中,所述显示装置采用方法300处理所述图像。
上述实施例的装置用于实现前述任一实施例中相应的方法,并且具有相应的方法实施例的有益效果,在此不再赘述。
在一些实施例中,所述显示装置包括FPGA,所述FPGA用于实现所述方法300。
基于同一发明构思,与上述任意实施例方法相对应的,本公开还提供了一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使所述计算机执行如上任一实施例所述方法300。
本实施例的计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。
上述实施例的存储介质存储的计算机指令用于使所述计算机执行如上任一实施例所述方法300,并且具有相应的方法实施例的有益效果,在此不再赘述。
所属领域的普通技术人员应当理解:以上任何实施例的讨论仅为示例性的,并非旨在暗示本公开的范围(包括权利要求)被限于这些例子;在本公开的思路下,以上实施例或者不同实施例中的技术特征之间也可以进行组合,步骤可以以任意顺序实现,并存在如上所述的本公开实施例的不同方面的许多其它变化,为了简明它们没有在细节中提供。
另外,为简化说明和讨论,并且为了不会使本公开实施例难以理解,在所提供的附图中可以示出或可以不示出与集成电路(IC)芯片和其它部件的公知的电源/接地连接。此外,可以以框图的形式示出装置,以便避免使本公开实施例难以理解,并且这也考虑了以下事实,即关于这些框图装置的实施方式的细节是高度取决于将要实施本公开实施例的平台的(即,这些细节应当完全处于本领域技术人员的理解范围内)。在阐述了具体细节(例如,电路)以描述本公开的示例性实施例的情况下,对本领域技术人员来说显而易见的是,可以在没有这些具体细节的情况下或者这些具体细节有变化的情况下实施本公开实施例。因此,这些描述应被认为是说明性的而不是限制性的。
尽管已经结合了本公开的具体实施例对本公开进行了描述,但是根据前面的描述,这些实施例的很多替换、修改和变型对本领域普通技术人员来说将是显而易见的。例如,其它存储器架构(例如,动态RAM(DRAM))可以使用所讨论的实施例。
本公开实施例旨在涵盖落入所附权利要求的宽泛范围之内的所有这样的替换、修改和变型。因此,凡在本公开实施例的精神和原则之内,所做的任何省略、修改、等同替换、改进等,均应包含在本公开的保护范围之内。
Claims (12)
1.一种图像处理方法,包括:
获取图像;
对所述图像进行边缘梯度检测处理,得到所述图像中各像素的梯度值;
为所述梯度值超过梯度阈值的像素赋予第一标记;
基于具有所述第一标记的像素,利用形态学图像处理中的膨胀处理,确定所述图像中的多个细节像素;
确定所述图像中的第一目标像素是否存在突变;以及
响应于所述第一目标像素存在突变,基于所述第一目标像素和所述细节像素对所述图像进行平滑处理;
其中,基于所述第一目标像素和所述细节像素对所述图像进行平滑处理,包括:
确定包含所述第一目标像素的第二邻域;
确定所述第二邻域的起始像素和终止像素的灰度值差值是否处于第二差值范围内,其中,所述终止像素位于所述起始像素相对于所述第二邻域的最远端;
响应于所述第二邻域的起始像素和终止像素的灰度值差值处于第二差值范围内,确定所述第二邻域中包含的所述细节像素的数量是否小于数量阈值;以及
响应于所述第二邻域中包含的所述细节像素的数量小于数量阈值,基于所述第一目标像素对所述图像进行平滑处理。
2.如权利要求1所述的方法,其中,确定所述图像中的第一目标像素是否存在突变的步骤之前,还包括:将所述图像的RGB值映射为RGBW值;
确定所述图像中的第一目标像素是否存在突变,具体包括:基于所述RGBW值,确定所述图像中的第一目标像素是否存在突变;
基于所述第一目标像素和所述细节像素对所述图像进行平滑处理,具体包括:结合所述RGBW值,基于所述第一目标像素和所述细节像素对所述图像进行平滑处理。
3.如权利要求1所述的方法,其中,对所述图像进行边缘梯度检测处理,包括:
采用下述公式,对所述图像进行边缘梯度检测处理:
其中,I表示所述图像中各像素的灰阶值,Gx为所述图像中各像素在行方向上的梯度值,Gy为所述图像中各像素在列方向上的梯度值,G为所述图像中各像素的梯度值。
4.如权利要求1所述的方法,其中,基于具有所述第一标记的像素,利用形态学图像处理中的膨胀处理,确定所述图像中的多个细节像素,包括:
将具有所述第一标记的像素确定为所述细节像素;
确定所述图像中的第二目标像素的第一邻域中是否存在具有所述第一标记的像素;以及
响应于所述第二目标像素的第一邻域中存在具有所述第一标记的像素,将所述第二目标像素也确定为所述细节像素。
5.如权利要求1所述的方法,其中,确定所述图像中的第一目标像素是否存在突变,具体包括:
确定所述第一目标像素与其在所述图像的行方向或列方向上的相邻像素相比是否存在突变。
6.如权利要求5所述的方法,其中,确定所述第一目标像素与其在所述图像的行方向或列方向上的相邻像素相比是否存在突变,包括:
确定所述第一目标像素的灰度值与其在所述图像的行方向或列方向上的相邻像素的灰度值的差值是否处于第一差值范围内;以及
响应于所述第一目标像素与其在所述图像的行方向或列方向上的所述相邻像素的灰度值差值处于第一差值范围内,确定所述第一目标像素在所述图像的行方向或列方向上存在突变。
7.如权利要求1所述的方法,其中,基于所述第一目标像素对所述图像进行平滑处理,包括:
响应于所述第一目标像素与其在所述图像的行方向上的相邻像素相比存在突变,确定包含所述第一目标像素的一行像素,采用线性插值算法对该行像素进行平滑处理;以及
响应于所述第一目标像素与其在所述图像的列方向上的相邻像素相比存在突变,确定包含所述第一目标像素的一列像素,采用隔行取平均值的方式对该列像素进行平滑处理。
8.如权利要求7所述的方法,其中,采用线性插值算法对该行像素进行平滑处理,包括:
确定所述一行像素中的像素数量n;
将所述一行像素的第一个像素和第n个像素的灰度值作差并除以n-1,得到线性插值的步长;以及
将所述一行像素的第一个像素的灰度值加上i-1倍步长,赋予所述一行像素的第i个像素,其中,i取2~n。
9.如权利要求7所述的方法,其中,采用隔行取平均值的方式对该列像素进行平滑处理,包括:
确定所述一列像素中的第三目标像素在列方向上的前后两个相邻像素;以及
将所述两个相邻像素的灰度值取平均值,并将所述平均值分别赋予所述两个相邻像素。
10.一种显示装置,用于显示图像,其中,所述显示装置采用如权利要求1-9任一项的方法处理所述图像。
11.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如权利要求1-9任一项所述的方法。
12.一种非暂态计算机可读存储介质,所述非暂态计算机可读存储介质存储计算机指令,所述计算机指令用于使计算机执行权利要求1-9任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110519185.7A CN113139921B (zh) | 2021-05-12 | 2021-05-12 | 图像处理方法、显示装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110519185.7A CN113139921B (zh) | 2021-05-12 | 2021-05-12 | 图像处理方法、显示装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113139921A CN113139921A (zh) | 2021-07-20 |
CN113139921B true CN113139921B (zh) | 2024-03-15 |
Family
ID=76817750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110519185.7A Active CN113139921B (zh) | 2021-05-12 | 2021-05-12 | 图像处理方法、显示装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113139921B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116385260B (zh) * | 2022-05-19 | 2024-02-09 | 上海玄戒技术有限公司 | 图像处理方法、装置、芯片、电子设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106791755A (zh) * | 2016-12-27 | 2017-05-31 | 武汉华星光电技术有限公司 | 一种rgbw像素渲染装置及方法 |
WO2018019194A1 (zh) * | 2016-07-27 | 2018-02-01 | 腾讯科技 (深圳) 有限公司 | 图像识别方法、终端及非易失性存储介质 |
WO2018214188A1 (zh) * | 2017-05-22 | 2018-11-29 | 惠科股份有限公司 | 图像处理方法、图像处理装置及显示装置 |
CN110175556A (zh) * | 2019-05-24 | 2019-08-27 | 西安电子科技大学 | 基于Sobel算子的遥感图像云检测方法 |
WO2019200657A1 (zh) * | 2018-04-16 | 2019-10-24 | 深圳市华星光电技术有限公司 | 图像边缘处理方法、电子装置及计算机可读存储介质 |
CN110738139A (zh) * | 2019-09-26 | 2020-01-31 | 西安工程大学 | 一种融合Min-Max目标的NIN车牌识别方法 |
CN111539269A (zh) * | 2020-04-07 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 文本区域的识别方法、装置、电子设备和存储介质 |
CN111723753A (zh) * | 2020-06-23 | 2020-09-29 | 深圳航天宏图信息技术有限公司 | 卫星遥感图像的去条带方法、装置和电子设备 |
-
2021
- 2021-05-12 CN CN202110519185.7A patent/CN113139921B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018019194A1 (zh) * | 2016-07-27 | 2018-02-01 | 腾讯科技 (深圳) 有限公司 | 图像识别方法、终端及非易失性存储介质 |
CN106791755A (zh) * | 2016-12-27 | 2017-05-31 | 武汉华星光电技术有限公司 | 一种rgbw像素渲染装置及方法 |
WO2018214188A1 (zh) * | 2017-05-22 | 2018-11-29 | 惠科股份有限公司 | 图像处理方法、图像处理装置及显示装置 |
WO2019200657A1 (zh) * | 2018-04-16 | 2019-10-24 | 深圳市华星光电技术有限公司 | 图像边缘处理方法、电子装置及计算机可读存储介质 |
CN110175556A (zh) * | 2019-05-24 | 2019-08-27 | 西安电子科技大学 | 基于Sobel算子的遥感图像云检测方法 |
CN110738139A (zh) * | 2019-09-26 | 2020-01-31 | 西安工程大学 | 一种融合Min-Max目标的NIN车牌识别方法 |
CN111539269A (zh) * | 2020-04-07 | 2020-08-14 | 北京达佳互联信息技术有限公司 | 文本区域的识别方法、装置、电子设备和存储介质 |
CN111723753A (zh) * | 2020-06-23 | 2020-09-29 | 深圳航天宏图信息技术有限公司 | 卫星遥感图像的去条带方法、装置和电子设备 |
Non-Patent Citations (1)
Title |
---|
基于残差和高频替换的SONY-RGBW阵列彩色重构方法;王海琳等;激光与光电子学进展研;第58卷(第20期);第1-13页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113139921A (zh) | 2021-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109166159B (zh) | 获取图像的主色调的方法、装置及终端 | |
US9374510B2 (en) | Tone mapping method | |
KR102316376B1 (ko) | 영상 데이터 변환 방법, 이를 수행하는 표시 장치 및 이를 기록한 컴퓨터 판독 가능한 기록매체 | |
CN105005461A (zh) | 一种图标显示方法及终端 | |
US10817723B2 (en) | Image recognition system and information-display method thereof | |
CN103778900B (zh) | 一种图像处理方法及系统 | |
KR20150112754A (ko) | 색공간들 사이에 변환을 위한 방법 | |
US10706772B2 (en) | Touch substrate, manufacturing method therefor, and touch device | |
US11355049B2 (en) | Pixel leakage and internal resistance compensation systems and methods | |
CN113139921B (zh) | 图像处理方法、显示装置、电子设备及存储介质 | |
CN110490838B (zh) | 显示面板不同分辨率区域边界处理的方法及装置 | |
US20200160492A1 (en) | Image Adjustment Method and Device, Image Display Method and Device, Non-Transitory Storage Medium | |
JP4801088B2 (ja) | 画素サンプリングの方法及び装置 | |
CN110176207B (zh) | 一种图像数据确定方法、装置及电子设备 | |
US9959819B2 (en) | RGB to RGBW brightness compensation method and device | |
JP6583008B2 (ja) | 画像補正装置、画像補正方法及び画像補正用コンピュータプログラム | |
CN110992328A (zh) | 暗点检测方法和装置 | |
CN115346475A (zh) | Led显示控制方法、控制装置、电子设备及存储介质 | |
CN112513940B (zh) | α值确定装置、α值确定方法、程序和图像数据的数据结构 | |
CN113793249A (zh) | 一种Pentile图像转换为RGB图像的方法、装置及存储介质 | |
US9911399B2 (en) | Method of image processing, image processor performing the method and display device having the image processor | |
CN113554554B (zh) | 图像颜色过滤方法及装置、电子设备、存储介质 | |
JP2016066990A (ja) | 階調補正の評価方法、および演算装置 | |
CN109712126B (zh) | 图片识别方法及装置 | |
CN111724449B (zh) | 图像处理方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |